逐字稿文字預覽
很多朋友天天在问我哈 到底怎么白嫖最新的AI 哪个平台的API额度给得最大 我个人建议是不要盲目地去跟风 追那种什么最新最强的模型 除非你明天就要手搓个能发射火箭的代码 否则的话 对于我们普通人的日常聊天 看网页、读文档来说 绝大多数时候你就是在拿那种 比如说屠龙刀砍黄瓜 那么今天我就直接把 目前来说哈 全网额度最恐怖最适合普通人白嫖的方案 拿给你嘛 那就是用谷歌的 Gemini 2. 0 Flash 有人一听 2. 5，又一听 Flash，就在那里撇嘴巴 哎呀，那个模型过时了呀 乱说 这个东西它是去年刚出来的呀 出来的时候可是震惊全场 它不仅能够看图、能联网，还可以推理 每天给你的免费调用额度 你可以把键盘给搓出火来 都用不完哈 接下来我们就一步一步 把这个免费的最强AI 放到你的电脑里面去哈 不管用什么AI软件 API Key 就是你的大门钥匙了 这一步特别的简单 直接打开 Google AI Studio 官网 登录你的谷歌账号 看左下角有一个按钮叫做 获取API密钥 就是这个点它 接着再点创建API密钥 这个时候它会让你选择项目 你在下拉框里面直接点创建项目 随便给它取个名字 然后再点击创建就搞定了 屏幕上它会弹出一串乱码 这个就是你的API Key了 点击复制 找个记事本把它妥善保存好 这个东西就相当于你的银行卡密码了 不要到处乱发 钥匙有了我们要找个门来试一下 你需要一个支持配置 自定义 API 的开源客户端 市面上它有很多 那么今天我就用这个 Cherry Studio 来试一下 进软件点顶部的设置 看左边的模型服务 往下面找 找到这个 Gemini 把我们刚才复制的那一串API密钥 给它原封不动地粘贴进来 点一下旁边的检查 只要连上它显示了绿色的连接成功 那么就稳了 这把钥匙它是真的 把顶部的开关给它打开 可以启用它了 点顶部的模型选择 你会看到 Gemini 2. 5 Flash 这个模型 它亮了 标得清清楚楚的 支持视觉、联网、推理还有工具 就选这个 现在我就来测试一下 治疗一下哑巴英语 那么我直接就在输入框对它说 教我说英语 它立刻就回答我 好的没有问题 而且这个语气还特别地兴奋 说我们要从简单的先开始 那么问我今天过得怎么样 有什么新鲜事情 如果你的英语实在比较拉垮 跟我一样 那么看不懂它在说什么 这个时候也不要慌 软件里面它直接有个翻译功能 瞬间就可以翻译成中文 那么我就硬着头皮 又回它一句散装英语 那么我就说了一句 我很好啊 我今天学习了人工智能 它就开始先捧场说 哎呀这个人工智能好啊 能和你这么优秀的同学聊天 很开心 这个情绪价值还是拉满了的 然后就把球又传给了我 问我对人工智能怎么看 我就继续回答说这个很有用啊 我会用来制作视频什么的 这个时候它的这个外教属性啊 就出来了 它就直接告诉了我 用这个AI确实能够省时间 但是我说的那句话呀 还可以说得更自然 它把我的原句给拆开了 精准地指出 for 要改成 to it 后面要加个 s 最后再猛夸了我一句 做得很棒 要继续加油 看到没有 这个不仅是个AI 还是个能给你情绪价值 能够精准纠错的免费外教 学英语非常的好 但是平时上网看资料 看那种长篇大论的博客 甚至发那种英文的邮件 总是每次都要把文字给它复制出来 再贴回软件里面去问 这个不太方便啊 不太方便 所以我们就要把它直接给镶嵌到 浏览器里面去 到应用商店里面搜这个插件 Page Assist - 本地 AI 模型 Web UI 直接安装到浏览器上面 装好了之后点开它 注意看这个东西 它默认是去调用你 电脑本地跑的那个 Ollama 模型 如果你的电脑配置带不动本地模型 或者你根本就没有装 它就会一直给你报错 那么我们直接把它给关了 点击右上角的设置 Ollama 设置 看到这个全局启用 或者禁用 Ollama 集成的开关了没有 关掉它 点保存 好现在来接入我们刚才那个无限火力的 Gemini 再次点设置 在左边找到兼容 OpenAI 的 API 点添加提供商 名字你随便起一个 URL接口地址 就是这个 不要乱填 不要乱填错了 把你的API Key也给它填进去 然后点保存 加载出来的模型里面 你就选这个 Gemini 2. 5 Flash 注意下面还有个单选项 一定要选第一个 对话模型 Chat Model 不要点后面那个向量模型 那个是用来做本地知识库数据转换的 拿它聊天的话 它不仅不理你 还会当场给你报错 配好了之后 我就拿这个商品网页来测试 直接单击鼠标右键 你会发现多了一个 打开侧边栏进行对话的这么一个选项 或者直接按快捷键 Ctrl 加 Shift 加 Y 侧边栏它弹出来了 可以看到这个聊天框 它下面这个网络图标了没有 点亮它 还有页面操作这个功能也打开 第一次使用它会提示你需要 需要额外安装一个网页操作的小插件 直接点打开应用商店 把它给装上就可以了 一秒钟的事情 现在它已经在这个网页了 我就直接问它 这个东西值不值得买 它瞬间开始自己去爬网页上面的产品描述 去扫底下的评论区 几秒钟之后就列出了这个优缺点 并且给出了还可以买的结论 除了这个分析网页 还可以自动写草稿 总结万字长篇博客 你只需要在原网页旁边点一下鼠标 就可以搞定 不用花一分钱 到这里有些人还不满足 几十本小说 PDF文档这些东西 想让AI帮着一起看、写总结 整点什么本地知识库什么的 也没有问题 那就用这个东西 这个 AnythingLLM 这是目前市面上最适合用来接入 gemini 免费 API 的 用来做本地知识库 这个项目，是没有之一 就是它了 直接去官网找到下载桌面版 选你对应的 Windows 或者 Mac 系统 下载完是个安装包 双击一路狂点下一步，安装完成了 打开这个软件 我们先来做个基础的装修 点左下角的设置 找到外观界面偏好 可以更改语言 点上面的人工智能提供商语言模型 这里默认也是让你用本地模型 这个 Qwen DeepSeek什么的 我说了 我的这台电脑带不动 所以我依然选择使用 Gemini API 在模型提供商的下拉框里面找到 Gemini 把万能的 API Key 给它粘贴进去 这个时候模型菜单就刷新了 你会看到一堆的模型 最新的有3. 0、3. 5都有 但是我跟你说 最新的模型它给的免费额度比较少 为了日常用得舒服 我们坚决使用这个 2. 5 Flash 就用这个吧 设置好了之后 回到主界面 点左边的加号 创建一个工作区 随便给它取个名字 点进工作区的设置 把聊天模型给它改成 Gemini 点更新 把代理模型也给它改成 Gemini 点更新 然后就可以配置技能了 点开它 里面有总结文档 抓取网站、网络搜索 你想用哪个 就把开关打开 你甚至还可以自己写代码导入进去 不过这个就有点高级了 我们今天不谈 现在你可以尽情使用它 把你的电脑里面那些PDF书籍 Word 报告 TXT 文本 直接用鼠标批量给它拖进去 软件它就会在本地自动地吸收 从此以后你问任何问题 它都会去那堆文件里面翻答案 直接告诉你 那么我就来测试一下 它抓取网站的技能 随便找了个网页链接 甩给它 让它看一下这个 页面写了些什么东西 代理瞬间启动了 非常的快 一篇逻辑清晰的 800 字大纲 直接写出来了 全程依然是完美的白嫖 最后再说个东西 在你电脑右下角的任务栏托盘 找到 AnythingLLM 的小图标 右键点击 可以随时唤出一个快捷小助手 你遇到任何不懂的 直接一键截图发给它 随时随地的问 非常的顺手 好了 从最基础的免费拿 Key 到手把手地用起来 方案全部都在这里了 剩下的就看你自己动不动手了 别忘了给我点个赞 点个订阅 我们下期再见
本次執行流程與問題處理
下達指令
預期流程
- 採用來源字幕（略過語音辨識）
- 來源選擇與品質檢查
- 文字校正與句子單元
- 筆記與發布
- 公開網頁發布
1. 下載與語音辨識
工具：videonote-transcribe-url（主辨識管線：下載、Whisper 辨識與選稿）
處理：下載音訊、以 Whisper 辨識並選出最佳逐字稿
產出：yt_dlp_meta.json（影片元資料）、audio_16k_mono.wav（16kHz 單聲道音訊）、transcript.whisper.json（Whisper 辨識結果）、transcript.json（正式逐字稿）、transcript_selection_report.json（來源選擇報告）
耗時：14.5 秒
關係：依序執行
結果：完成
2. 全文快速校讀
工具：videonote_rapid_transcript_review.py
處理：先速讀完整逐字稿，再修正高可信突兀詞句並列出待確認項目
產出：rapid_transcript_review_report.json（產出檔案）
耗時：30.3 秒
關係：依序執行
結果：完成
3. 建立句子單元
工具：videonote-build-sentence-units
處理：將逐字稿切成帶時間軸的句子單元
產出：sentence_units.json（句子單元）
耗時：0.4 秒
關係：依序執行
結果：完成
4. 時間軸稽核
工具：videonote_timeline_audit.py
處理：檢查時間軸與音訊對齊
產出：timeline_audit_report.json（時間軸稽核）
耗時：0.4 秒
關係：依序執行
結果：完成
5. 品質檢查
工具：videonote_controlled_quality.py（檢查時間軸與品質）
處理：檢查語言、時間軸與可讀性品質
產出：controlled_quality_report.json（品質報告）、language_sanity_report.json（語言檢查）
耗時：0.4 秒
關係：依序執行
結果：完成
6. 播放時間軸回填
工具：videonote_rebase_display_timeline.py
處理：將網頁播放時間軸回填為校正字幕時間
產出：display_timeline_rebase_report.json（時間軸回填報告）
耗時：0.5 秒
關係：依序執行
結果：完成
7. 來源句整理
工具：videonote_prepare_source_entries.py
處理：整理來源句子供時間軸與頁面使用
產出：sentence_units.json（句子單元）
耗時：0.5 秒
關係：依序執行
結果：完成
8. 生成筆記摘要
工具：videonote-generate-note（生成筆記摘要）
處理：生成筆記摘要與重點
產出：note.md（筆記 Markdown）、note.html（筆記 HTML）
耗時：96.5 秒
關係：依序執行
結果：完成
9. 建立筆記頁面
工具：videonote-render-html（產生筆記 HTML）
處理：產生可閱讀的筆記 HTML 頁面
產出：note.html（筆記 HTML）
耗時：0.6 秒
關係：依序執行
結果：完成
10. 發布公開頁面
工具：videonote-publish（發布公開頁面）
處理：發布到公開網站與每日列表
產出：公開筆記網址、result.json（管線結果）
耗時：0.7 秒
關係：依序執行
結果：完成
手動來源字幕
自動來源字幕
Whisper 字幕
- 尚未產生
Qwen 字幕
- 尚未產生
Parakeet 字幕
- 尚未產生
MOSS 字幕
- 尚未產生
聲學時間證據（PyAnnote / WhisperX）
- 尚未產生
校正前後逐字稿
目前待解決問題與初步改善方向
- ⚠️ 全文快速校讀：已套用暫定修正，請確認
segment=15 已先套用暫定修正：那就是用谷歌的 Gemini 2.5 Flash → 那就是用谷歌的 Gemini 2.0 Flash；segment=15 待確認：模型版本与时间描述矛盾；暫定：那就是用谷歌的 Gemini 2.0 Flash；segment=233 待確認：与前文模型版本不一致；暫定：我们坚决使用这个 2.0 Flash；segment=74 待確認：用词略显生硬；暫定：治疗一下哑巴英语；segment=207 待確認：大小写不规范；暫定：gemini 免费 API 的
- 逐字稿可先使用，但有待校正清單
segment=15 rapid_semantic_review: 第20行'去年刚出来的呀'，Gemini 2.0 Flash于2024年发布，符合'去年'；Gemini 2.5 Flash尚未发布。；segment=233 rapid_semantic_review: 第15行若修正为2.0，此处2.5 Flash应统一为2.0。；segment=74 rapid_semantic_review: 口语中'治疗哑巴英语'是比喻，但'克服'或'改善'更准确。；segment=207 rapid_semantic_review: 'gemini'应大写为'Gemini'。
- Qwen3-ASR 未完成，需確認 qwen_asr_lab 環境與音訊後重試精進模式。
- 音訊下載不穩定，需更新 cookies / PO token 後重試精進模式。